論文の概要: Autofluorescence Bronchoscopy Video Analysis for Lesion Frame Detection
- arxiv url: http://arxiv.org/abs/2303.12198v1
- Date: Tue, 21 Mar 2023 21:10:35 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-23 16:06:38.757105
- Title: Autofluorescence Bronchoscopy Video Analysis for Lesion Frame Detection
- Title（参考訳）: 病変フレーム検出のための自己蛍光気管支鏡ビデオ解析
- Authors: Qi Chang, Rebecca Bascom, Jennifer Toth, Danish Ahmad, William E.
Higgins
- Abstract要約: 自家蛍光式気管支鏡(AFB)は気管支病変の検出に使用される一次的適応である。
本稿では,情報フレームと非情報フレームを区別する頑健な自動AFB解析手法を提案する。
提案手法は,コンピュータによる画像解析,機械学習,深層学習を組み合わせた手法である。
- 参考スコア（独自算出の注目度）: 2.7436483977171333
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Because of the significance of bronchial lesions as indicators of early lung
cancer and squamous cell carcinoma, a critical need exists for early detection
of bronchial lesions. Autofluorescence bronchoscopy (AFB) is a primary modality
used for bronchial lesion detection, as it shows high sensitivity to suspicious
lesions. The physician, however, must interactively browse a long video stream
to locate lesions, making the search exceedingly tedious and error prone.
Unfortunately, limited research has explored the use of automated AFB video
analysis for efficient lesion detection. We propose a robust automatic AFB
analysis approach that distinguishes informative and uninformative AFB video
frames in a video. In addition, for the informative frames, we determine the
frames containing potential lesions and delineate candidate lesion regions. Our
approach draws upon a combination of computer-based image analysis, machine
learning, and deep learning. Thus, the analysis of an AFB video stream becomes
more tractable. Tests with patient AFB video indicate that $\ge$97\% of frames
were correctly labeled as informative or uninformative. In addition, $\ge$97\%
of lesion frames were correctly identified, with false positive and false
negative rates $\le$3\%.
- Abstract（参考訳）: 早期肺癌および扁平上皮癌の指標としての気管支病変の重要性から,気管支病変の早期発見には必要不可欠である。
自家蛍光気管支鏡(AFB)は, 気管支病変の発見に有用であり, 疑わしい病変に対する感受性が高い。
しかし、医師は、病変を見つけるために長いビデオストリームを対話的に閲覧しなければなりません。
残念なことに、効率的な病変検出に自動AFBビデオ分析を使用することについて限定的な研究が進められている。
本稿では,映像中の情報的および非情報的AFBビデオフレームを区別する頑健な自動AFB解析手法を提案する。
また,情報フレームについては,潜在的病変を含むフレームを判定し,候補病変領域を推定する。
提案手法は,コンピュータによる画像解析,機械学習,深層学習を組み合わせた手法である。
これにより、AFBビデオストリームの解析がよりトラクタブルになる。
患者AFBビデオによるテストでは、フレームの$\ge$97\%が情報的または非情報的と正しくラベル付けられていた。
さらに, 病変フレームの$\ge$97\%が正しく同定され, 偽陽性率と偽陰性率は$\le$3\%であった。
関連論文リスト
- MSDet: Receptive Field Enhanced Multiscale Detection for Tiny Pulmonary Nodule [17.838015589388014]
肺結節は肺癌の早期診断における重要な指標である。
従来のCT画像撮影法は、煩雑な処置、低検出率、ローカライゼーション精度の低下に悩まされていた。
肺小結節検出のためのマルチスケールアテンションおよび受容野ネットワークであるMSDetを提案する。
論文 参考訳（メタデータ） (2024-09-21T06:08:23Z) - Airway Label Prediction in Video Bronchoscopy: Capturing Temporal
Dependencies Utilizing Anatomical Knowledge [0.0]
本稿では,気管支鏡画像データのみを取り入れたナビゲーションガイダンスについて述べる。
気道樹の解剖学的制約を最大限に活用する。
我々は、個々のフレームに基づく分類において、0.81と比較して、最大0.98まで精度を向上することができる。
論文 参考訳（メタデータ） (2023-07-17T08:26:36Z) - Weakly Supervised Airway Orifice Segmentation in Video Bronchoscopy [0.0]
本論文は気管支鏡視下気管支鏡視下における気管支拡張術の自動化について述べる。
このタスクに対するディープラーニングベースのアプローチは、現在、容易に利用できる真実のセグメンテーションデータが欠如しているため、妨げられている。
我々はk平均からなるデータ駆動パイプラインと、コンパクトなマーカーベースの流域アルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-08-24T12:18:25Z) - ESFPNet: efficient deep learning architecture for real-time lesion
segmentation in autofluorescence bronchoscopic video [2.7436483977171333]
AFBビデオストリームからの気管支病変の堅牢な検出とセグメンテーションのためのリアルタイムディープラーニングアーキテクチャESFPNetを提案する。
肺がん患者気道検査によるAFBビデオの結果,Dice indexとIOU値は0.782,0.658であった。
論文 参考訳（メタデータ） (2022-07-15T21:21:26Z) - BronchusNet: Region and Structure Prior Embedded Representation Learning
for Bronchus Segmentation and Classification [53.53758990624962]
そこで我々は,BronchusNetという組込みフレームワークに先立って,正確な気管支分析を行うための領域と構造を提案する。
気管支分画のための適応型ハード領域対応UNetを提案する。
気管支枝の分類には,ハイブリッドな点-ボクセルグラフ学習モジュールを提案する。
論文 参考訳（メタデータ） (2022-05-14T02:32:33Z) - Preservation of High Frequency Content for Deep Learning-Based Medical
Image Classification [74.84221280249876]
大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。
本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
論文 参考訳（メタデータ） (2022-05-08T15:29:54Z) - Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based
Sparse PCA Network [93.22587316229954]
ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。
我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
論文 参考訳（メタデータ） (2021-10-27T19:28:36Z) - Assessing glaucoma in retinal fundus photographs using Deep Feature
Consistent Variational Autoencoders [63.391402501241195]
緑内障は症状が重くなるまで無症状のままでいるため、検出が困難である。
緑内障の早期診断は機能的,構造的,臨床的評価に基づいて行われることが多い。
ディープラーニング手法はこのジレンマを、マーカー識別段階をバイパスし、ハイレベルな情報を分析してデータを分類することで部分的に解決している。
論文 参考訳（メタデータ） (2021-10-04T16:06:49Z) - Learning the Imaging Landmarks: Unsupervised Key point Detection in Lung
Ultrasound Videos [0.0]
肺超音波(LUS)は、肺感染症の持続的および定期的なモニタリングのための画像診断法として、ますます人気が高まっている。
LUSを用いたトリアージのための臨床医が評価する重要なランドマークは、胸膜、A線、B線である。
この研究は、新型コロナウイルス(COVID-19)感染のさまざまな段階でのLUSビデオで重要なLUSのランドマークを教師なしで検出する試みとしては、今回が初めてだ。
論文 参考訳（メタデータ） (2021-06-13T13:27:12Z) - Contralaterally Enhanced Networks for Thoracic Disease Detection [120.60868136876599]
胸骨、肺野、気管支管など、胸部左右に類似した構造が多数存在する。
このような類似性は、広義の放射線学者の経験から、胸部X線における疾患の同定に利用することができる。
本稿では,病状提案の特徴表現を強化するために,対向的コンテキスト情報を活用するディープ・エンド・ツー・エンド・モジュールを提案する。
論文 参考訳（メタデータ） (2020-10-09T10:15:26Z) - Modeling and Enhancing Low-quality Retinal Fundus Images [167.02325845822276]
低画質の眼底画像は臨床観察における不確実性を高め、誤診のリスクを引き起こす。
本稿では,グローバルな劣化要因を抑えるために,臨床指向の基盤拡張ネットワーク(cofe-Net)を提案する。
合成画像と実画像の両方の実験により、我々のアルゴリズムは網膜の細部を失うことなく、低品質の眼底画像を効果的に補正することを示した。
論文 参考訳（メタデータ） (2020-05-12T08:01:16Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。